TECNÓLOGICO NACIONAL DE MÉXICO Instituto Tecnológico de Apizaco
DIVISIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN
“MODELADO DEL SISTEMA DE PRODUCCIÓN DE UN GRUPO DE PYMES TEXTILERAS DE SANTA ANA CHIAUTEMPAN, TLAXCALA”
TESIS
PARA OBTENER EL GRADO DE
MAESTRO EN INGENIERÍA ADMINISTRATIVA
PRESENTA
I.I. Ignacio Sánchez García
DIRECTOR
Dra. Alejandra Torres López
CODIRECTOR
M.C. Crisanto Tenopala Hernández
APIZACO, TLAXCALA. SEPTIEMBRE 2015
TABLA DE CONTENIDO
Introducción ... 1
i. Descripción del problema ... 2
ii. Planteamiento de hipótesis ... 4
iii. Objetivo general ... 4
iv. Justificación ... 4
v. Variables de estudio. ... 5
CAPÍTULO I. FUNDAMENTOS TEÓRICOS ... 6
1.1 Estado del arte ... 6
1.2 Marco teórico ... 25
1.2.1 Pronósticos ... 26
Pronósticos cuantitativos: series de tiempo ... 27
1.2.2 Planeación de la producción ... 30
1.2.2.1 Plan maestro de producción (MPS) ... 31
1.2.2.2 Planeación de requerimientos de materiales (MRP) ... 34
1.2.3 Lean manufacturing ... 38
1.2.3.1 Desperdicios de manufactura (muda) ... 39
1.2.3.2 Value Stream Mapping (VSM) ... 41
1.2.3.3 Kanban ... 44
1.2.3.4 Las 5 S’s ... 45
1.2.3.5 Mantenimiento Productivo Total (TPM) ... 46
1.2.4 Diagramas de flujo del proceso y de recorridos ... 47
Diagrama de flujo del proceso ... 47
Diagrama de flujo o recorrido ... 50
1.3 Marco contextual ... 50
Empresas caso de estudio ... 54
CAPÍTULO II. METODOLOGÍA DEL PROYECTO
2.1 Metodología de la investigación ... 56
2.2 Metodología para la estructuración del modelo de PyCP. ... 57
CAPÍTULO III. DESARROLLO DE LAS ETAPAS DEL MODELO DE PYCP ... 61
EMPRESA CASO DE ESTUDIO “A” ... 61
Etapa 1. Análisis de los procesos ... 61
Herramientas para la recolección de datos ... 61
Etapa 2. Pronósticos ... 63
Selección de método de pronósticos ... 64
Promedio Móvil simple y promedio móvil ponderado ... 65
Suavización exponencial ... 67
Etapa 3. Análisis y mejoramiento de los procesos ... 69
Mapa de cadena de valor (VSM) ... 70
Etapa 1. Selección de la familia. ... 70
Etapa 2. Construcción del VSM actual ... 70
Estrategia de implementación Lean ... 73
Paso 1- Implementación de Procesos Estandarizados ... 73
Técnica: Metodología 5S ... 73
Paso 2- Implementación de Procesos Flexibles ... 77
Técnica: KANBAN... 78
Paso 3- Implementación de Procesos Confiables ... 81
Técnica: Mantenimiento Productivo Total (TPM) ... 81
Etapa 4. Simulación del programa maestro de producción (MPS) ... 82
Etapa 5. Simulación MRP ... 86
Modelo PyCP desarrollado. Planta A………..………94
Resumen de actividades realizadas. Planta A………..………95
EMPRESA CASO DE ESTUDIO “B” ... 96
Etapa 1. Análisis de los procesos ... 96
Herramientas para la recolección de datos ... 96
Etapa 2. Pronósticos ... 97
Selección de método de pronósticos ... 98
Pronósticos de series de tiempos ... 99
Promedio Móvil simple y promedio móvil ponderado ... 99
Suavización exponencial ... 101
Etapa 3. Análisis y mejoramiento de los procesos ... 103
Mapa de cadena de valor (VSM) ... 103
Etapa 1. Selección de la Familia. ... 104
Etapa 2. Construcción del VSM actual ... 104
Estrategia de Implementación lean ... 107
Paso 1- Implementación de Procesos Estandarizados ... 107
Técnica: Metodología 5S ... 107
Paso 2- Implementación de Procesos Flexibles ... 107
Técnica: KANBAN ... 107
Técnica: KAIZEN ... 110
Paso 3- Implementación de Procesos Confiables ... 111
Técnica: Mantenimiento Productivo Total (TPM) ... 111
Etapa 4. Simulación del programa maestro de producción (MPS) ... 111
Restricciones del problema ... 115
Etapa 5. Simulación MRP ... 118
Modelo PyCP desarrollado. Planta B.………..……….….125
Resumen de actividades realizadas. Planta B………..………..126
Análisis comparativo ... 128
Conclusiones ... 130
Bibliografía ... 131
ÍNDICE DE FIGURAS
Figura 1. Cadena de valor agregado. ... 12
Figura 2. Despliegue de las técnicas de producción a partir de las escenas. ... 15
Figura 3. Diseño de un sistema de pronósticos... 29
Figura 4. Proceso de planeación de la producción ... 31
Figura 5. Muestra de una lista de materiales... 34
Figura 6. Ejemplo de explosión MRP. ... 37
Figura 7. Simbologías necesarias para el diseño del VSM. ... 43
Figura 8. Sistema kanban-supermercado ... 45
Figura 9. Conjunto de símbolos de diagrama de proceso ... 49
Figura 10. Símbolos no estándares de los diagramas de procesos. ... 49
Figura 11. Etapas de investigación en la modelación de un sistema de PyCP. .... 59
Figura 12. Modelo propuesto de PyCP. ... 60
Figura 13. Diagrama de procesos, planta A.. ... 62
Figura 14. Diagrama de flujo de recorridos, planta A. ... 63
Figura 15. Ruta a seguir en el diseño de un sistema de pronósticos. ... 64
Figura 16. Ventas en el periodo 2014 y gráfico del comportamiento de la demanda durante ese periodo.. ... 65
Figura 17. Gráfico del comportamiento de las diferentes técnicas de pronósticos con respecto a la demanda real. ... 69
Figura 18. Etapas iniciales del trazado del mapa de una cadena de valor. ... 70
Figura 19. Caja de procesos. ... 71
Figura 20. Representación del flujo de proceso actual. ... 72
Figura 21. Línea de tiempo del VSM. ... 72
Figura 22. Mapa de la cadena de valor actual, para la elaboración de un lote de 742 piezas de colcha en la empresa A.. ... 72
Figura 23. Representación gráfica de las áreas clave en la implementación de las 5´s en la empresa caso de estudio A.. ... 74
Figura 24. Objetivos y pasos de cada etapa en la implementación de las 5s, a la empresa caso de estudio A. ... 75
Figura 25. Propuesta de un formato de evaluación, para el seguimiento y medición
de las 5s. ... 77
Figura 26. Oportunidad de mejora mediante pasillos PEPS entre procesos. ... 78
Figura 27. Propuesta de implementación Kanban, primera tarjeta. Planta A. ... 79
Figura 28. Propuesta de implementación Kanban, segunda tarjeta. Planta A.. .... 79
Figura 29. Propuesta de implementación kanban, tercera tarjeta. Planta A. ... 80
Figura 30. Mapa de la cadena de valor, para la elaboración de un lote de 742 piezas de colcha matrimonial en la empresa caso de estudio A. ... 81
Figura 31. Bill of materials, empresa caso de estudio A. ... 86
Figura 32. Explosión MRP, empresa caso de estudio A.. ... 89
Figura 33. Modelo final PyCP. ... 94
Figura 34. Diagrama de procesos, planta B. ... 96
Figura 35. Diagrama de flujo de recorridos, planta B. ... 97
Figura 36. Ruta a seguir en el diseño de un sistema de pronósticos. ... 98
Figura 37. Tabla de ventas en el periodo 2014 y gráfico del comportamiento de la demanda durante ese periodo.. ... 99
Figura 38. Muestra el comportamiento de las diferentes técnicas de pronósticos con respecto a la demanda real. ... 103
Figura 39. Etapas iniciales del trazado del mapa de una cadena de valor. ... 104
Figura 40. Caja de procesos.. ... 105
Figura 41. Representación del flujo de proceso y la línea de tiempo actual. ... 106
Figura 42. Mapa de la cadena de valor, para la elaboración de un lote de 200 piezas de colcha matrimonial en la empresa caso de estudio B. ... 106
Figura 43. Propuesta de implementación Kanban, primera tarjeta. Planta B. ... 108
Figura 44. Propuesta de implementación kanban, segunda tarjeta. Planta B. .... 109
Figura 45. Propuesta de implementación kanban, tercera tarjeta. Planta B. ... 109
Figura 46. Mapa de la cadena de valor futuro, para la elaboración de un lote de 200 piezas de colcha matrimonial en la empresa caso de estudio B. ... 110
Figura 47. Bill of materials, empresa caso de estudio B. ... 118
Figura 48. Explosión MRP, empresa caso de estudio B.. ... 122
Figura 49. Modelo final PyCP. ... 126 Figura 50. Análisis comparativo, etapa 4. Empresa caso de estudio A.. ... 128 Figura 51. Análisis comparativo, etapa 4. Empresa caso de estudio B ... 129
ÍNDICE DE TABLAS
Tabla 1. Datos resultados de la aplicación del método de pronósticos “Promedio
móvil” y “Promedio móvil ponderado”. Planta A. ... 66
Tabla 2. Datos resultados de la aplicación del método de pronósticos “Suavización exponencial” con valor de alfa de 0.2.. ... 68
Tabla 3. Datos resultados de la aplicación del método de pronósticos “Suavización exponencial” con valor de alfa de 0.5 y 0.8. ... 68
Tabla 4. Concentrado de errores de pronósticos de acuerdo a las diferentes técnicas de pronósticos. ... 69
Tabla 5. Plan de producción con cantidad fija de 13,658 unidades por mes. ... 83
Tabla 6. Plan de producción con cantidad fija de 9000 unidades por mes ... 84
Tabla 7. Plan de producción con cantidad variable. ... 84
Tabla 8. Plan de producción con cantidad fija de 8500 unidades por mes. ... 85
Tabla 9. Plan de producción con cantidad variable. ... 85
Tabla 10. Cálculo MRP con la demanda pronosticada para 2015. ... 87
Tabla 11. Emisión de órdenes planificadas (EOP), para 2015. ... 88
Tabla 12. Emisión de órdenes planificadas (EOP), con inventario 0, para 2015. .. 89
Tabla 13. MRP de hilo. Periodo 2015. ... 90
Tabla 14. MRP de la cinta elástica. Periodo 2015 ... 91
Tabla 15. MRP de las etiquetas. Periodo 2015 ... 92
Tabla 16. MRP de la bolsa. Periodo 2015. ... 93
Tabla 17. Emisión de órdenes programadas (EOP). Periodo 2015. ... 94
Tabla 18. Datos resultados de la aplicación del método de pronósticos “Promedio móvil” y “Promedio móvil ponderado”. Planta B ... 101
Tabla 19. Muestra los datos resultado de la aplicación del método de pronósticos “Suavización exponencial” con valor de alfa de 0.2. ... 102
Tabla 20. Muestra los datos resultado de la aplicación del método de pronósticos “Suavización exponencial” con valor de alfa de 0.5 y 0.8. ... 102
Tabla 21. Concentrado de errores de pronósticos de acuerdo a las diferentes técnicas de pronósticos ... 103
Tabla 22. Plan de producción con cantidad fija de 13,658 unidades por mes ... 113
Tabla 23. Plan de producción con cantidad fija de 3700 unidades por mes. ... 114
Tabla 24. Plan de producción con cantidad fija de 3600 unidades por mes. ... 114
Tabla 25. Plan de producción con cantidad fija de 3000 unidades por mes. ... 114
Tabla 26. Plan de producción con cantidad fija de 2900 unidades por mes. ... 115
Tabla 27. Plan de producción con demanda real 2014 y cantidad fija de 2900 unidades para 2015 ... 116
Tabla 28. Plan de producción con demanda pronosticada 2015 y cantidad fija de 2900 unidades para ése mismo año. ... 116
Tabla 29. Plan de producción con demanda real 2014 y cantidad fija de 3400 unidades para 2015. ... 117
Tabla 30. Plan de producción con demanda pronosticada 2015 y cantidad fija de 3400 unidades para ése mismo año.. ... 117
Tabla 31. Cálculo MRP con la demanda pronosticada para 2015. ... 119
Tabla 32. Cálculo MRP con la demanda real del 2014. ... 120
Tabla 33. Ejemplo de estrategia del cálculo MRP con la demanda pronosticada 2015. ... 121
Tabla 34. Emisión de órdenes planificadas (EOP), para 2015. ... 122
Tabla 35. MRP de hilo. Periodo 2015. ... 123
Tabla 36. Cálculo MRP con la demanda pronosticada para 2015. Ejemplo 1. .... 124
Tabla 37. MRP de la bolsa. Periodo 2015. Ejemplo 2 ... 124
Tabla 38. Emisión de órdenes programadas (EOP). Periodo 2015. ... 125
1 Introducción
La planeación y control de la producción siempre será una parte importante para la productividad de una empresa, ya que le permite un mejor desarrollo en la actividad empresarial y toma de decisiones en cuanto a ejecución de las etapas del proceso de producción.
En esta investigación se realizó la estructuración de un modelo de plan y control de la producción que tuvo como objeto de estudio a dos pymes del sector textil en el municipio de Ixcotla, Tlaxcala. La finalidad es la generación de una base estructurada que ayude a determinar los límites y niveles de producción adecuados y así obtener la máxima rentabilidad de la producción.
Las estructura del proyecto de investigación se presentan a continuación:
La primera parte está conformada por la descripción del problema y planteamiento de la hipótesis. También se definirán los objetivos generales y específicos que se esperan lograr con la investigación; la justificación del proyecto y las variables de estudio.
El primer capítulo está compuesto por los fundamentos teóricos. El análisis de las investigaciones recientes que se han realizado sobre el tema, además de los conceptos, teorías y modelos que sustentan el trabajo de campo. Terminando con la identificación de la fuente de datos donde se realizó el estudio (marco contextual).
El segundo capítulo define el tipo de investigación, su alcance y método, así como las técnicas e instrumentos utilizados en la recolección de la información del fenómeno de estudio. También el modelo de PyCP propuesto y cada etapa que lo conforma.
El tercer capítulo presenta el desarrollo de cada una de las fases del modelo propuesto para cada uno de los dos casos de estudio. Un resumen de actividades realizadas y el análisis comparativo de la aplicación del modelo a las dos empresas así como las conclusiones del proyecto de investigación.
2 i. Descripción del problema
La información de los Censos Económicos 2009, muestra que el sector manufacturero en México es el más importante en la generación de producción total bruta. Las micros, medianas y pequeñas empresas, representan a nivel mundial el segmento de la economía que aporta el mayor número de unidades económicas y personal ocupado; las empresas micro (de hasta 10 personas) representaron 92.5% de las unidades económicas del total del sector, 23.2% del personal ocupado total y generaron 2.4% de la producción bruta total. De ahí la relevancia que reviste este tipo de empresas y la necesidad de fortalecer su desempeño, al incidir éstas de manera fundamental en el comportamiento global de las economías nacionales (INEGI, 2009).
No obstante, la industria textil y del vestido, tiene problemas estructurales que hay que superar, por ejemplo: el rezago tecnológico, la falta de diseño propio, escasez de personal capacitado y la poca integración de los eslabones de la cadena productiva textil, a los que hay que sumar la caída del mercado interno, la falta de financiamiento para las empresas, la creciente participación en el mercado de la industria “ilegal” y los costos derivados de la inseguridad (García, 2004). De acuerdo a las cifras difundidas por el Centro para el Desarrollo de la Competitividad Empresarial (CETRO-CRECE), sólo el 10% de las pymes mexicanas llegan a los diez años de vida y logran el éxito esperado, mientras que el 75% de las nueva empresas del país fracasan y deben cerrar sus negocios sólo dos años después de haber iniciado sus actividades, es decir, casi la mitad de las pymes mexicanas fracasan por una mala administración (Marker, 2013).
Para Soriano (2005), las cifras de fracaso de las pymes son abrumadoras en cualquier país que se analicen. Las razones del alto índice de fracaso es necesario atribuirlas, como primer grupo, a fuerzas externas a las empresas que actúan en el entorno económico-político-social. Se refiere, entre otras, a escaso apoyo oficial, deficientes programas de ayuda a las Pymes, casi inexistentes fuentes de financiación, excesivos controles gubernamentales, altas tasas
3 impositivas y alto costo de las fuentes de financiación disponibles. El segundo grupo de respuestas, las de los analistas empresariales, aún tomando en consideración el entorno negativo en que operan las pymes, se orienta más a encontrar las causas del fracaso en las propias pymes y, en particular, en la capacidad de gestión de sus responsables.
En específico, la industria textil en Tlaxcala ha dejado un legado de experiencia, concentrándose en varios municipios principalmente Chiautempan, uno de los más importantes del estado. Pero la situación de las empresas de este ramo ha tenido un escaso proceso modernizador debido a la falta de liquidez para financiar proyectos de inversión en la planta productiva, ya que durante mucho tiempo no hubo reinversión de utilidades, reflejándose en la obsolescencia de maquinaria y equipo, así como en las técnicas productivas, diseño de los productos y forma de llevar a cabo su administración, Whaibe (2013).
Derivado de los resultados de los cuestionarios que aplicó Whaibe (2013), a 10 pymes del sector en estudio, para efectuar la investigación “Propuesta de integración de un clúster con pymes de la industria textil del municipio de Chiautempan, Tlaxcala”, se determinó que las problemáticas que se presentan en común son las siguientes:
No cuentan con metas definidas
No tienen establecidos planes de acción a corto o largo plazo (1 año).
No están definidos los tiempos de producción de sus procesos.
No se cuenta con un adecuado programa de plan y control de la producción.
No trabajan con un sistema de inventarios, porque solo efectúan el registro de los mismos, sin llevar a cabo estrategias de control.
Asimismo los dueños desconocen la importancia de la relación costo- beneficio en sus procesos de producción, lo que les lleva a contar con una mala administración que afecta al desarrollo de la empresa.
4 Tomando como punto de partida una primera síntesis elaborada por el Consejo Nacional de la Micro y Pequeña Empresa (Conamype), se pueden agrupar las variadas causas de fracaso de las pymes en cinco grandes problemas: Ventas, Producción y operación, Control, Planificación y Gestión.
ii. Planteamiento de hipótesis
Con el desarrollo de un modelo de Plan y control de la producción (PyCP), para un grupo de pymes textileras en Ixcotla Tlaxcala, se buscará optimizar los recursos y procesos de fabricación mediante el análisis de la cadena de valor, capacidad de procesos y eliminación de mudas a través de la reducción del Lead Time (plazo de entrega), en al menos un 10%; permitiendo una mayor oportunidad de permanencia en el mercado nacional.
iii. Objetivo general
Desarrollar un modelo de PyCP que permita optimizar los recursos del grupo de pymes textileras objeto de estudio, para dar una mayor oportunidad de permanencia en el mercado.
Objetivos específicos
Elaborar un mapeo de la cadena de valor del proceso de producción (VSM), e identificar eslabones que no agreguen valor, para la eliminación de
desperdicios y aprovechamiento de la capacidad.
Establecer directrices a seguir para los diferentes escenarios en la planeación de la producción para optimizar la toma de decisiones.
Determinar las necesidades de equipo y nivel de las existencias anticipadas para utilizar al máximo la capacidad de producción.
iv. Justificación
Una de las razones por las cuales las pequeñas y medianas empresas son poco competitivas, es porque carecen de un sistema de planeación apropiado para la toma de decisiones en sus procesos. Los sistemas comerciales de planeación de
5 materiales (Materials Requirement Planning, MRP) pueden contribuir a que las pymes mejoren sus resultados, con pronósticos más precisos, mejores planes de producción e información del estado y capacidad de la planta, Cardona y Gano (2005, citado por Hernández y Mejía, 2008).
La planeación de la producción agrupa diversas técnicas que apoyan la toma de decisiones en cuanto a ejecución de las etapas del proceso de producción. Sin embargo, en ocasiones los responsables de llevar a cabo la PyCP, trabajan con la técnica que más conocen y que no siempre resulta ser la idónea para llevar a cabo las diferentes funciones del proceso productivo, pudiendo afectar la decisión con referente a la elección de las prioridades de producción y su capacidad, así como, desaprovechamiento de los recursos, generando una planeación inapropiada, que puede afectar el tiempo de los procesos y costo de los productos y/o servicios.
Ante esto, se visualiza en las pymes de este sector, una área de oportunidad para estructurar un modelo adecuado de plan y control de la producción, tal que les permita contar con una base más estructurada y medible, que apoye a la toma de decisiones en sus métodos de trabajo y procesos, dándoles una mayor oportunidad de permanencia en el mercado, y aprovechamiento de la capacidad instalada.
v. Variables de estudio.
Dependientes Independientes
Planeación de la producción
(Tiempo y cantidades totales a producir).
Pronósticos (Demanda).
Análisis de los procesos (Capacidad).
Programa maestro de producción (Tiempo y cantidad estimada a producir de producto terminado por periodo).
Planeación de requerimiento de materiales (Tiempo y cantidad estimada a producir de cada
componente del producto terminado).
6 CAPÍTULO I. FUNDAMENTOS TEÓRICOS
1.1 Estado del arte
El estado del arte describe las investigaciones más recientes y actuales que se han realizado sobre un tema en específico. Se refiere al conocimiento o tecnología de punta o vanguardia. Es el primer acercamiento formal del sujeto que investiga a las producciones intelectuales en el tema que le interesa saber, qué es lo último que se ha producido respecto al tema y los autores que están haciendo las investigaciones (Flores, 2011).
Para tal efecto se establecen tres ejes epistemológicos: Pronósticos, Lean manufacturing y Plan y control de la producción; para analizar los avances en cuanto al tema principal a investigar.
Los siguientes artículos nos permitirán recorrer las investigaciones en las cuáles se han realizado las implementaciones de las herramientas tanto de Lean manufacturing como de administración de operaciones en empresas de diferentes sectores, aplicados a diferentes enfoques en las variadas problemáticas dentro de las organizaciones.
Eje epistemológico
Pronósticos
Título: Análisis de series de tiempo en el pronóstico de la producción de caña de azúcar.
Autores: Ruiz Ramírez, Juan, Hernández Rodríguez, Gabriela E., Zulueta Rodríguez, Ramón.
Año y lugar: México, 2011.
Carecer de un programa de planeación y control sistemático de procedimientos de operación, implica el fracaso de cualquier esfuerzo tendiente a fomentar la sustentabilidad de los procesos agro-productivos y de la transformación de la caña
7 de azúcar. En consecuencia, para promover la instalación de un ingenio azucarero exitoso, se requiere la reordenación de la superficie cañera sembrada en sitios donde las condicione s agroecológicas garanticen de algún modo la productividad.
Así, cabe señalar que algunos de los programas utilizados para realizar el pronóstico de la producción de caña de azúcar mediante el método de Box- Jenkins han sido EViews (Rodríguez, 2001), TRAMO/SEATS (Kikut et al., 2002) y SPSS (Gómez et al. 2007).
En el caso de las aplicaciones para la predicción de cosechas en caña de azúcar, el programa “Pronóstico de riego” permite valorar los requerimientos de agua de las distintas variedades comerciales (tempranas, medianas y tardías), a través de un modelo de regresión múltiple, donde se utilizan variables climáticas con el fin de conocer el rendimiento potencial de este cultivo (Cañamero y Helfgott, 2009). Sin embargo, los autores no pronosticaron el valor futuro de la producción.
En este trabajo se utilizó la serie de tiempo conformada por las zafras del ingenio Independencia y, con ellas, se generó una base de datos en el programa Statistica con las siguientes variables: año (periodo del ciclo agrícola) que representa las zafras iniciadas en el mes de noviembre y finalizadas en el mes de julio del año siguiente, motivo por el cual, ésta serie de tiempo incluyó 57 datos, que correspondieron a las zafras del periodo de 1949-1950 a 2005-2006, en las que se registró su correspondiente producción de azúcar (toneladas). La metodología de Box-Jenkins se aplicó a esta serie de tiempo para pronosticar la producción de azúcar, correspondiente a la zafra 2006/2007 (Box et al., 1994).
En el modelo auto-regresivo integrado de medias móviles (ARIMA) (p, d, q) utilizado en este estudio, se consideró a p como el parámetro autoregresivo, d al número de fases de diferenciación no estacionales y q al parámetro de medias móviles.
Conclusión
En relación a los resultados obtenidos, se concluye que el uso de los métodos estadísticos en la estimación o pronóstico de la producción de la caña de
8 azúcar, son útiles en la toma de decisiones y en la planeación del sistema de producción de caña de azúcar.
Los métodos de series de tiempo estiman o pronostican el dato más inmediato de la serie de datos estudiada, para lo cual es indispensable trabajar con antecedentes históricos (pasados), los cuales se caracterizan por ser información dispuesta para su tratamiento por una computadora.
Este trabajo muestra la importancia de introducir los métodos de series de tiempo en el análisis de pronósticos productivos de la agroindustria azucarera, con el objetivo de contribuir a una mejora sustancial en la planeación productiva de los ingenios azucareros, optimizando los recursos existentes y evitando pérdidas futuras en el mercado.
Título: Gestión de compras e inventarios a partir de pronósticos Holt-Winters y diferenciación de nivel de servicio por clasificación ABC.
Autores: Arango Marin, Jaime Antero; Giraldo Garcia, Jaime Alberto; Castrillón Gómez, Omar Danilo.
Año y lugar: Colombia, 2013.
El objetivo de la investigación que se documenta en el presente trabajo es minimizar el capital de trabajo invertido en inventarios, tomando como restricción principal el cumplimiento de niveles de servicio establecidos por política de la empresa. La solución consiste en una metodología de planeación del abastecimiento con un modelo probabilístico de inventarios por demanda, guiado por niveles de servicio diferenciales de acuerdo a una clasificación ABC por volumen de ventas, a partir de pronósticos de ventas obtenidos por el modelo Holt- Winters que incluye suavización exponencial, tendencia y estacionalidad.
En este artículo se expone un modelo de gestión de inventarios y abastecimiento que parte de pronósticos de ventas calculados por el método de Holt-Winters. Los productos se clasifican según sus volúmenes de ventas para establecer niveles de servicio diferenciales a aplicar en un sistema de inventarios por demanda probabilístico que incrementa el valor obtenido con el pronóstico de
9 ventas en tantas desviaciones estándar como las que correspondan a la probabilidad relacionada con el nivel de servicio deseado para cada categoría. El modelo se ha implementado con éxito en organizaciones comerciales y de servicio, tanto en inventarios de alto número de ítems como en otros con menor variedad de productos. La aplicación ha redundado en menores costos de capital de trabajo invertido en inventarios y en mejoras sustanciales del nivel de servicio a los clientes reduciendo los indicadores de ventas pérdidas por agotamiento de existencias. A futuro se prevé la adaptación del modelo a inventarios de empresas industriales.
El modelo usa la clasificación ABC por volumen de los productos para permitir un mayor nivel de servicio resultante con menor costo. Su implementación en empresas comerciales y de servicios ha producido resultados satisfactorios, tanto en su desempeño computacional como en el aumento del nivel de servicio al mismo costo inicial, o en la reducción del costo de inventario prestando el mismo nivel de servicio. También ha permitido reducir las acciones emergentes para evitar la pérdida de ventas por falta de inventario y los rompimientos de inventario totales (inventarios en cero entre dos compras consecutivas).
Conclusión
Los pronósticos de ventas pasan a ser una importante fuente de información para prever la demanda de la forma más realista posible. La aleatoriedad propia de la mayoría de los mercados puede reproducirse por modelos probabilísticos que tienen mejores posibilidades de implementación informática que antaño. La integralidad de las soluciones que consideren el problema desde la previsión de la demanda hasta el cálculo de las cantidades a pedir es un imperativo para diseñar modelos confiables y eficientes.
Título: Pronósticos restringidos con modelos de series de tiempo múltiples y su aplicación para evaluar metas de política macroeconómica en México.
Autor: Guerrero, Víctor M.
Año y lugar: México, 2007.
10 El método de pronósticos restringidos considera como parte fundamental la realización de una prueba de significancia estadística que permita validar la compatibilidad entre los pronósticos irrestrictos (basados en la información histórica) y las metas que se desea alcanzar (que constituyen la información externa del modelo).
Se utiliza el modelo de pronósticos restringidos para monitorear el cumplimiento de las metas anunciadas para el gobierno mexicano para algunas variables de importancia macroeconómica. El método proporciona escenarios acordes con el futuro esperado, según las metas planteadas. Se construyen primero varios modelos del tipo VAR, BEC y BVAR, y se analiza su capacidad predictiva. La metodología emplea entonces el modelo que produce los mejores pronósticos, que resulto se run modelo BVAR.
El contenido del artículo es el siguiente. En la sección dos se presenta el tipo de modelos de series de tiempo a utilizar, así como la formulación del método para obtener pronósticos restringidos con dichos modelos. Acto seguido, se presenta la construcción de un modelo para seis variables consideradas relevantes dentro del sistema económico mexicano. En particular, se enfatiza la capacidad predictiva del modelo y se brinda evidencia de la misma, la cual condujo al uso de un modelo de tipo bayesiano, sin pretender realizar un análisis bayesiano completo y formal. Después, se muestra la aplicación propiamente dicha del método de pronósticos restringidos, para monitorear las metas por lograr en el año 2004. En la última sección se concluye con algunos comentarios y recomendaciones prácticas.
Conclusión
Con los escenarios de los pronósticos restringidos es posible determinar si las metas son variables, así como el momento en el que se presente evidencia de que las metas dejan de ser factibles.
11 Eje epistemológico
Lean manufacturing
Título: Análisis de la cadena de valor industrial y de la cadena de valor agregado para las pequeñas y medianas industrias.
Autor: Morillo, Marysela C.
Año y lugar: Venezuela, 2005.
El análisis de la cadena de valor agregado es un método utilizado para descomponer la cadena en cada una de las actividades que la conforman, desde la recepción de la materia prima hasta el cliente, con la finalidad de entender el comportamiento de los costos y las fuentes de diferenciación del producto (bien o servicio), y para tratar de maximizar la diferencia entre compras y ventas, con el objeto de crear el mayor valor agregado, que permita maximizar las utilidades y así ser más fuerte en el mercado.
La cadena de valor industrial es un ejercicio de análisis, donde la idea es ubicar al negocio frente a proveedores, clientes y competidores, además de buscar la forma de interactuar y formar alianzas con éstos. El segundo enfoque, el Análisis de la Cadena de Valor Agregado, se refiere a la interdependencia de las actividades de valor dentro de la empresa, en las cuales se deben explotar vínculos de coordinación internos. Estos vínculos internos surgen de la descomposición de las actividades empresariales, en búsqueda de fuentes de diferenciación y reducción de costos frente a los competidores, pues el análisis implica el conocimiento de todo el proceso productivo de la organización y la reestructuración del mismo en actividades creadoras de valor, desde la adquisición de la materia prima hasta el servicio postventa, figura 1. Ambos enfoques son complementarios puesto que la organización puede ser vista como parte de un todo; es decir, donde la cadena de valor agregado de la organización constituye una pequeña parte de las actividades realizadas conjuntamente con proveedores, distribuidores y clientes. No se puede concentrar sólo en la cadena
12 interna sino en la de los demás participantes de la cadena de valor industrial, y tomar las medidas pertinentes para crear situaciones o cambios favorables para el desarrollo de ventajas competitivas.
Figura 1. Cadena de valor agregado. Fuente: Romero 1998, citado por Morillo, 2005.
Conclusión
El análisis de la cadena de valor se presenta sistemáticamente como una herramienta indispensable para quienes toman decisiones, bajo dos grandes enfoques al alcance de las Pymes. El primer enfoque, denominado Análisis de la Cadena de Valor Industrial, plantea a la empresa como una parte de un conjunto de actividades, en el sistema de producción de bienes y servicios, donde, para ser más competitivos, no sólo se deben observar las características internas de la empresa, sino de la cadena de valor completa. Esto se debe a que las decisiones estratégicas de comprar o producir, de integración hacia delante o hacia atrás, se vuelven más claras desde la perspectiva de su impacto total.
Título: Identificación y caracterización de mudas de transporte, procesos, movimientos y tiempos de espera en nueve pymes manufactureras incorporando la perspectiva del nivel operativo.
Autores: Pérez Rave, Jorge., La Rotta, Daniel., Sánchez, Katherine., Madera, Yiseth., Restrepo, Guillermo., Rodríguez, Mayra., Vanegas, Johan., Parra, Carlos.
Año y lugar: Chile, 2011.
13 El presente artículo comparte información útil para empresarios, docentes, estudiantes e investigadores, en términos del estudio de las actividades, sin valor para el consumidor, que hacen presencia en las pymes intervenidas, y más aún, de una fuente tan relevante como es el personal operativo.
Se identifica y se caracteriza en términos de: cantidad, tipo, localización y manifestación, los transportes, tiempos de espera, movimientos y procesos innecesarios en nueve pymes manufactureras de la ciudad de Medellín. El procedimiento constó de las etapas: selección de procesos a estudiar (uno por empresa), capacitación al personal operativo (7 mudas, 5S y gerencia visual), sesión en profundidad con administración de formulario de identificación del muda, verificación en el gemba, resultados y análisis.
Si bien existen siete tipos de muda, el estudio se enfocó en aquellos directamente asociados al contenido del trabajo, constituyéndose en operaciones que ejecuta el trabajador operativo. Así, delimitando el muda a este tipo de tareas, se pretende aportar respuestas a las siguientes preguntas de investigación:
¿Cuáles son los transportes, procesos, movimientos y tiempos de espera que, desde la perspectiva del trabajador operativo, hacen presencia en las pymes involucradas en el proyecto? y ¿qué características presentan dichos desperdicios, en términos de: cantidad, tipo, localización y manifestación (en qué consisten)?
Conclusión.
Consolidando los hallazgos para las nueve empresas, 151 trabajadores fueron capacitados, los cuales contribuyeron a identificar 1.085 actividades que no aportan valor al cliente, con un promedio de 121 por proceso-empresa, la mayoría fueron transportes (31%) y movimientos innecesarios (29%). Se brindan elementos metodológicos que facilitan la comunicación entre el nivel operativo y los demás, así como la capacitación y la participación activa del mismo, posibilitando identificar oportunidades de mejora para las empresas. Se ofrece información de interés para la academia, el gobierno, los centros de desarrollo
14 tecnológico y el sector productivo. Consolidando para las nueve empresas, se encontró un promedio de 121 mudas por proceso-empresa, donde el transporte y los movimientos innecesarios reunieron el 60% del muda, lo que deduce la necesidad de intervenir dichas empresas en términos de la distribución de la planta y del diseño de los puestos de trabajo, también con criterios de ergonomía.
Título: Interacción y conexiones entre las técnicas 5S, SMED y Poka Yoke en procesos de mejoramiento continuo.
Autor: Arrieta Posada, Juan G.
Año y lugar: Colombia, 2007.
En este artículo se realiza una presentación general del concepto de manufactura esbelta (lean manufacturing) , su funcionamiento y características; el soporte que a este sistema otorgan tres de las técnicas de mejoramiento continuo de procesos productivos (las 5S, los sistemas SMED y los sistemas Poka Yoke), y un procedimiento recomendado para iniciar procesos de mejoramiento continuo en las empresas. Luego de describir la forma como estas tres técnicas se relacionan entre sí, se concluye que cuando en un proceso productivo se implementa una de ellas se implementan a la vez las otras dos, dadas las interrelaciones existentes entre sus etapas constitutivas. La interacción entre las técnicas mencionadas se ilustra a partir de sus puntos de coincidencia, evidentes cuando cada una se desglosa en sus etapas y pilares de implementación.
Las diversas técnicas tienen elementos de trabajo en común y, aunque no es obligatorio tener un orden predefinido para implementarlas, es recomendable iniciar la ejecución con las 5S. El sistema de producción Toyota hace énfasis en el control visual, el cual se encuentra apoyado en las 5S; asimismo, se afirma que ésta es la primera técnica de mejoramiento continuo que los directivos deben desplegar a los miembros de sus equipos de trabajo de la empresa para su implementación, figura 2.
15 Figura 2. Despliegue de las técnicas de producción a partir de las escenas. Fuente: Arrieta, 2007.
Conclusiones
• La formación y delegación de responsabilidades al personal de producción es vital para la implementación adecuada de las técnicas de mejoramiento continuo;
el mejoramiento depende de los operarios, con una adecuada guía y apoyo de la dirección.
• Para que una empresa pueda disfrutar de los beneficios del mejoramiento continuo debe evaluar con frecuencia las debilidades y fortalezas de los procesos que efectúa para tal fin; entonces, el auto-examen es el factor clave de éxito.
• Las organizaciones que han tenido éxito al aplicar sistemas de Lean Manufacturing tienen tres cosas en común: a) una cuidadosa y bien diseñada red de relaciones de cooperación entre los integrantes de la organización; b) un sistema de actualización continua de los trabajadores en aspectos técnicos y teóricos de las técnicas de mejoramiento; c) en forma sistémica, aplicar constantemente y en toda la organización y sus procesos mejoras de calidad, tiempos de entrega, costos y flexibilidad.
16 La planeación del trabajo de mejoramiento que se va a realizar debe considerar la necesidad de: a) capacitar al personal en temas de Lean Manufacturing y mejoramiento continuo; b) seleccionar un director del proyecto de mejoramiento; c) visitar los diferentes escenarios de la planta buscando escenas;
d) seleccionar el área con mayor cantidad de escenas relevantes con base en los resultados de los IDG y los análisis VSM; e) implementar las 5S en el área escogida; f) medir los resultados de la gestión realizada; g) profundizar en los pilares de la técnica; h) avanzar hacia las otras técnicas de mejoramiento continuo, que apuntan mucho más a problemas específicos.
Título: Aproximación del enfoque por procesos y principios lean para la producción de índigo en una empresa textil.
Autores: Pérez Rave, Jorge y Benavides Torres, Milton I.
Año y lugar: Colombia, 2010.
El presente estudio fue motivado por el acercamiento del equipo investigador a las directrices de una firma textil, relacionadas con su operar en los nichos de mercado que tiene y penetrar en nuevas fronteras. Las directrices se orientan al sostenimiento de un desempeño superior y consistente en diversas variables, que pueden agruparse en las dimensiones: calidad, productividad, oportunidad y estrategia. Con relación a las tres primeras dimensiones, una de las maneras de favorecerlas es por medio de la identificación y reducción de las actividades que no agregan valor al consumidor, logrando aumentar la calidad de los productos, disminuir los costos y los tiempos de entrega.
El trabajo se realizó a partir del enfoque por procesos con incorporación de principios básicos del Lean. A modo de aproximación se ofrece una propuesta de reconfiguración de la producción de índigo en la empresa, que posibilita obtener una mayor comprensión de las relaciones que subyacen en el proceso global, y al mismo tiempo, permite evidenciar las operaciones que no generan valor para el cliente y que incrementan los tiempos de respuesta, disminuyen la calidad y
17 encarecen el producto. Se exponen elementos que sirven de guía para explorar la generación de valor para el consumidor en cualquier tipo de organización.
Un aproximación del enfoque por procesos en combinación con principios básicos del lean permite representar y analizar la producción de índigo en una firma textil. Misión del sistema, mapa de procesos, descripción, documentación y verificación fueron los aspectos metodológicos que se implementaron para tal fin.
Para la documentación de los procesos, la producción se dividió en 80 elementos de trabajo que luego fueron clasificados en función de la generación o no de valor para el consumidor.
Conclusión
Se proporciona una estructura que facilita la comprensión de los procesos y la orientación hacia el cliente. Gracias a la aproximación lean, se encontró que el 87,5% de las operaciones estudiadas son mudas, en especial, esperas, transportes e inventarios. Se proponen, además, un formato de estandarización y elementos metodológicos que sirven de guía para mejorar esta aproximación, así como para estudiar y generar nuevas maneras para detectar oportunidades de mejora de la productividad, la calidad y la oportunidad en las organizaciones.
Título: Applicability of lean production with vsm to the rioja wine sector (Aplicabilidad de la producción esbelta con VSM al sector de vino Rioja).
Autor: Jiménez, E., Tejeda, A., Pérez, M., Blanco J. y Martínez, E.
Fecha y lugar: España, 2011.
Una importante parte de este trabajo ha consistido en el estudio de las bodegas de la región de Rioja. Este artículo analiza la aplicabilidad de la producción lean en el sector del vino La Rioja y de los resultados que se pueden obtener a partir de su aplicación, utilizando mapeo de la cadena de valor (VSM), como la principal herramienta para identificar oportunidades de mejora. Este trabajo de investigación muestra que la mayoría de los problemas de producción en el sector del vino puede ser abordado usando un sistema de producción esbelto, haciendo
18 ciertos ajustes de acuerdo con el tipo de producción. Muestra las propiedades principales de la producción de vino desde el punto de vista esbelto y mejora los sistemas de producción y logística.
Desarrollo VSM
Para llevar a cabo la producción lean en el sistema, VSM se utilizará como la herramienta básica.
VSM actual
Después de la elección del producto y cuidadosamente recolectando la información el mapa de la situación actual fue desarrollado.
Futuro VSM
Con el mapa de la situación actual, los problemas y los desechos comienzan a aparecer. El VSM muestra grandes inventarios, el gran tiempo de ejecución de la producción en comparación con el tiempo de valor agregado, y una gran cantidad de información de planeación paralela. Para reducir o eliminar estos problemas, una serie de preguntas se plantean que facilitan la comprensión del flujo actual y el establecimiento de un flujo continuo entre todos los procesos.
Conclusión
El VSM ha sido utilizado como la principal herramienta para identificar desechos de procesos en el sector, y los mapas actuales y futuros que se han desarrollado, así como un análisis de los resultados estimados de la aplicación en las bodegas.
Este sector es muy diferente al sector del automóvil, la cuna de la producción esbelta, sin embargo, los resultados muestran que el concepto es aplicable a este sector, simplemente adaptando sus métodos de trabajo. Algunas de las técnicas de la producción esbelta han demostrado ser perfectamente aplicables, proporcionando resultados muy satisfactorios, mientras que otros son sólo aplicables parcialmente o incluso sin aplicación alguna, debido a la naturaleza
19 del sector de la producción, pero en cualquier caso, la aplicación de la producción esbelta alcanza mejoras sustanciales.
Las cuestiones clave derivadas de la metodología propuesta, esos que pueden ser considerablemente mejorados con su aplicación, son: la reducción de inventarios, la gestión de la información adecuada y la eliminación de la información redundante, y el uso de tecnologías avanzadas. Estos problemas, que estuvieron presentes en todas las bodegas analizadas, pueden considerarse la llave para la extrapolación de la metodología propuesta y los resultados esperados a otros sectores alimenticios , especialmente de productos líquidos , tales como aceite , leche , etcétera.
Eje epistemológico
Planeación de la producción
Título: Metodología de ayuda a la decisión para el plan de producción en sistemas de manufactura flexible.
Autores: Sentíes, O., Osorio, R., Lassmann, A., Flores, F., & Sánchez, C.
Año y lugar: Veracruz, 2008.
El artículo presenta alternativas para mejorar el proceso de planeación de la producción, de manera provisoria. El principal inconveniente es a menudo el tiempo para lograr una buena planeación, en relación al tiempo del que disponen las personas responsables de la producción. En este sentido y tomando en cuenta la complejidad del problema, se presenta un estudio basado en la combinación de la simulación y los métodos de inteligencia artificial, los cuales han permitido obtener resultados satisfactorios para el problema de planeación de la producción a corto plazo.
Para el desarrollo sistemático de una herramienta de ayuda a la decisión, la acción a tomar consiste en utilizar un modelo de fabricación simple representado por un simulador que a su vez pueda reproducir los fenómenos intrínsecos del
20 sistema. En este sentido se ha considerado utilizar los modelos de redes neuronales tomando en cuenta para el aprendizaje un modelo de simulación con miras a la optimización. Así mismo, este estudio permite el análisis de los criterios a considerar para evaluar el rendimiento del modelo.
Dadas las consideraciones presentadas con anterioridad sobre el problema de concepción de sistemas de fabricación flexible, se utilizan algoritmos genéticos multicriterio. Las soluciones obtenidas pueden ser simuladas de forma detallada por un simulador con el fin de anexarlas a la base de datos original. La metodología de modelado y diseño para aplicaciones en planeación de la producción está basada en el desarrollo de un sistema de inteligencia artificial (IA) de ayuda a la decisión.
MELISSA (Micro-Électronique : Logiciel Industriel de Simulation et de Suivi d'Ateliers) fue el programa utilizado para crear el modelo de simulación. La simulación del proceso de fabricación considera las asignaciones en las operaciones de las máquinas y las rutas de cada producto dentro de la fábrica.
Conclusión
En este estudio, una metodología híbrida entre simulación, redes neuronales y algoritmos genéticos fue presentada como una herramienta de ayuda a la decisión para la fabricación de componentes electrónicos. El objetivo de un programa de PyCP es ayudar al responsable de producción a la toma de decisiones al encontrar mejores soluciones para la planeación de la producción y proponer métodos o herramientas que permitan progresos en la solución de problemas de decisión.
Título: Aplicativo computacional para la planeación de la producción en una empresa fabricante de autopartes.
Autor: Hernández, A., & Mejía, G.
Año y lugar: Colombia, 2008
21 Este trabajo describe el desarrollo de un aplicativo computacional para la planeación y secuenciación de la producción en una empresa colombiana fabricante de autopartes. El aplicativo integra pronósticos de ventas y órdenes en firme para calcular el plan maestro de producción, que se secuencia en la planta de producción. Un caso de estudio muestra la funcionalidad de la aplicación propuesta y compara los resultados de las secuencias propuestas con las que resultaron de las prácticas actuales. Los resultados muestran que la implementación del aplicativo puede mejorar los niveles de servicio y la satisfacción del cliente si se cumplen ciertos prerrequisitos descritos en el artículo.
En el caso de estudio propuesto, el aplicativo se utilizó en la planta para la planeación y la programación de la producción. Durante el mes de noviembre de 2006 se recolectaron datos que sirvieron como base para comparación con el desempeño de la planta previo a la utilización del aplicativo.
El problema de programación de producción tratado en este trabajo consiste en programar los pedidos en un banco de 8 prensas en paralelo con restricciones de fechas de disponibilidad y de elegibilidad de máquina.
El aplicativo funciona bajo la lógica MRP. Las principales funciones del aplicativo son integrar pronósticos de ventas y órdenes en firme, para calcular el plan maestro de producción, y generar una programación factible para el piso de la planta de producción. El aplicativo genera un plan maestro de producción, basado en los pronósticos de demanda y las órdenes de pedido.
La función de este módulo es calcular un MPS factible que alimente el módulo de programación de producción. El aplicativo calcula los requerimientos semanales totales de cada referencia y consolida las cantidades solicitadas de la misma referencia en los pedidos que deben entregarse en una misma semana. El plan maestro debe ser confirmado por el encargado de la programación (usuario).
Conclusión
22 Este trabajo muestra el desarrollo de un aplicativo personalizado para la planeación y programación de la producción en una compañía de autopartes en caucho. El responsable de la programación se encarga de verificar y confirmar el MPS propuesto por el aplicativo; finalmente, el aplicativo genera órdenes de producción. Como resultado se obtiene una secuencia de producción para las prensas de vulcanización. Las secuencias de programación propuestas en el caso de estudio muestran mejoras significativas respecto a las secuencias con las prácticas actuales de programación.
Título: Plan de producción para la compañía de helados "Nata"
Autor: Medina Varela, P. D., Restrepo Correa, J. H. & Cruz Trejos, E. A.
Año y lugar: Colombia, 2009
Este estudio presenta el plan de producción diseñado para la compañía de helados “Nata” basado en la información suministrada por la empresa donde se revelan las características principales del modelo, las cuales se traducen en restricciones del mismo. Para llevar a cabo la planeación se requirió en primer lugar del uso de la aplicación forecasting and lineal Regression del programa informático WinQSB en donde se evaluaron siete métodos de series de tiempo para determinar los pronósticos de demanda para la compañía en un horizonte de tiempo de 12 meses, escogiéndose el método que menor promedio de desviación absoluta (MAD) registrara.
Basados en los datos históricos presentados por la compañía “Nata” se aplicaron y evaluaron siete métodos cuantitativos entre los cuales están:
Promedio Simple, Promedio Móvil, Doble Promedio Móvil, Suavización Exponencial Simple, Doble Suavización Exponencial, Modelo de Winter, y el Modelo de Hold para determinar la demanda futura que la compañía tendría para los doce meses.
23 En segunda instancia, haciendo uso de dichos pronósticos, se realizaron siete planes de producción partiendo de una primera aproximación, brindada por la aplicación Aggregate Planning del programa informático WinQSB.
Se realizaron distintas modificaciones basadas en el juicio personal y en la evaluación empírica de las autoras hasta llegar a una solución óptima. Por último se presenta entonces el Plan de Producción para la compañía “Nata” con sus respectivos resultados.
Conclusión
Se ha hecho mención anteriormente a la prueba de diversos planes de producción evaluados mediante la aplicación del software informático WinQSB- Aggregate Planning. Esta aplicación permitió obtener los diferentes aspectos contenidos en el plan de producción de la empresa “Nata” entre los cuales se destacan: Las cantidades pronosticadas para cada periodo, la producción regular para cada periodo, las cantidades que deben ser traídas de plantas externas o subcontratación, los inventarios finales durante cada periodo y por último el número de vehículos requeridos para la subcontratación.
El plan maestro de producción es una herramienta muy útil para realizar un presupuesto de cuanto vamos a gastar en producir todas las piezas o bienes que se requieren. También nos presenta datos y cifras importantes, como cuanto vamos a tener en almacén, cuanto en producción, que es lo que se necesita, información para saber si necesitamos maquilar o no, entre otros datos.
Título: Plan agregado de producción en barracas madereras. Estudio de caso para una pequeña industria
Autores: Del Solar, Rodrigo S., Chacon C., Ivan, Ponce D., Mauricio.
Año y lugar: Chile, 2008
La unidad de estudio es una empresa maderera ubicada en la ciudad de Talca, Región del Maule, Chile. Su producción alcanza las 188 mil pulgadas anuales de
24 pino radiata, destinadas a productos elaborados y dimensionados secos para el mercado de la construcción. La materia prima corresponde a basas, las cuales son almacenadas y enviadas luego al despuntador que las dimensiona un largo estándar de 3,2 metros. Luego, son dimensionadas a diferentes escuadrías, dirigidas al patio y ubicadas en castillos para su secado durante un período variable, dependiendo de la estación y las condiciones atmosféricas, proceso que puede durar de 10 a 90 días. A continuación moldurado y cepillado, para finalmente, almacenar el producto en bodegas de la empresa. La comercialización se realiza de acuerdo a la calidad, destinándose la venta de productos calificados como extra a distribuidores mayoristas, el saldo correspondiente a las calidades primera, segunda y tercera que son vendidas a minoristas, constructoras, industriales y venta al detalle en la ciudad.
El estudio de caso presentado corresponde al tipo de estas empresas, productora de madera aserrada de pino radiata, en la cual se aplicó una planificación agregada (PA). Se utilizaron datos del último año de producción, y se evaluaron cuatro estrategias productivas relacionadas con la fuerza laboral, el nivel de inventario, de producción y de demanda.
Para diseñar un plan agregado fue necesario identificar una medida significativa de producción que tuviera sentido en el contexto, para ello se usó la
“pulgada pinera”. Asimismo, se empleó un método gráfico para ayudar a encontrar un plan que satisfaga la demanda esperada, con los costos operativos mínimos a lo largo de un horizonte de doce meses.
En la PA se consideraron los siguientes antecedentes: a) recopilación y tabulación de datos obtenidos en el período referencial, que va de octubre de 2004 a septiembre de 2005, el que incluye la capacidad de las instalaciones, demanda, procesos productivos, fuerza laboral, productividad, inventarios y costos; b) análisis de las tasas proyectadas de demanda, producción, productividad, fuerza laboral e inventarios para el período planificado; c) propuesta de cuatro planes alternativos al período referencial, basado en una combinación
25 de las variables fuerza laboral e inventario, ambas necesarias para satisfacer la demanda pronosticada, con una tasa de producción constante; d) cálculo, tabulación y gráfico de las variables de demanda, procesos productivos, inventario y fuerza laboral para cada plan propuesto; e) evaluación para cada uno de los planes propuestos de los costos operativos de cada plan; y f) comparación de los planes y elección del plan agregado de acuerdo a los criterios iniciales.
Conclusión
La planificación de la producción en pequeñas empresas es un problema habitual, ya que muchas veces el o los ingenieros no cuentan con el tiempo o las herramientas apropiadas para hacer una buena gestión de la producción.
Actualmente, los computadores personales permiten aplicar metodologías de planificación, reduciendo sofisticados problemas en simples estructuras de datos, con apoyo visual de gráficos y tablas, lo que conlleva a un mejor control, tanto de la producción como de los costos.
El método propuesto es recomendable para empresas del tamaño estudiado, ya que se puede aplicar fácilmente y permite una adecuada gestión.
Con la elección empresarial elegida, fue posible reducir los costos de producción, asegurando políticas laborales y se manejó adecuadamente el nivel de inventario;
se redujo en un 1,92% el costo por pulgada producida, ahorrando la empresa más de 6 millones de pesos anuales.
1.2 Marco teórico
El marco teórico de la investigación o marco de referencia, puede ser definido como el compendio de una serie de elementos conceptuales que sirven de base a la indagación por realizar. Comprenden un conjunto de conceptos y proposiciones que constituyen un punto de vista o enfoque determinado, dirigido a explicar el fenómeno o problema planteado (Franco, 2011).
26 Esta sección estudiará los tópicos que integran la temática tratada y de las variables que serán analizadas.
1.2.1 Pronósticos
La formulación de pronósticos (o proyección) es una técnica para utilizar experiencias pasadas con la finalidad de predecir expectativas del futuro.
En ésta definición el pronóstico no es realmente una predicción de acuerdo a Chapman (2006), sino una proyección estructurada del conocimiento pasado.
Existen varios tipos de pronóstico, utilizados para distintos propósitos y sistemas.
Algunos son modelos agregados de largo plazo que se emplean, precisamente, en la planificación de largo plazo, como la determinación de necesidades de capacidad general, el desarrollo de planes estratégicos, y la toma de decisiones estratégicas de compra de largo plazo. Otros son pronósticos de corto plazo para demanda de productos particulares, utilizados para la programación y el lanzamiento de la producción, antes de conocer las órdenes reales del cliente.
Sin importar el propósito del sistema para el que se utilizará el pronóstico, es muy importante comprender algunas de sus características fundamentales:
• Los pronósticos casi siempre son incorrectos. Pocas veces tiene importancia si un pronóstico es correcto o no; lo sustancial es concentrar nuestra atención en
“qué tan equivocado esperamos que sea” y en “cómo planeamos darle cabida al error potencial en el pronóstico”. Buena parte del análisis de la capacidad de almacenamiento y/o inventario temporal que la empresa puede utilizar, se relaciona directamente con el tamaño del error de pronóstico.
• Los pronósticos son más precisos para grupos o familias de artículos. Casi siempre es más fácil desarrollar un buen pronóstico para una línea de productos que para un producto individual, ya que los errores de proyección respecto de productos individuales tienden a cancelarse entre sí a medida que se les agrupa.
Por lo general es más preciso, por ejemplo, pronosticar la demanda de todos los
27 sedanes familiares, que pronosticar la demanda de un modelo de sedán específico.
• Los pronósticos son más precisos cuando se hacen para periodos cortos. En general son menos las perturbaciones potenciales respecto del futuro próximo que pueden impactar la demanda de productos. La demanda en periodos futuros más amplios casi siempre resulta menos confiable.
• Todo pronóstico debe incluir un error de estimación. En la primera característica de este listado se indicó la importancia de responder a la pregunta: “¿qué tan incorrecto es el pronóstico?” Por lo tanto, es muy importante que el pronóstico vaya acompañado de una estimación numérica del error de pronóstico. Para estar completo, un buen pronóstico contiene tanto una estimación básica como una estimación de su error.
• Los pronósticos no son sustituto de la demanda calculada. Si usted cuenta con información de la demanda real para un periodo dado, no realice nunca cálculos con base en el pronóstico para ese mismo marco temporal. Utilice siempre la información real cuando esté disponible.
Existen dos tipos fundamentales de pronósticos: cualitativos y cuantitativos.
Debajo de los tipos cuantitativos hay dos subcategorías: de series de tiempo y causales. Los pronósticos usados para ésta investigación, son los de series de tiempo.
Pronósticos cuantitativos: series de tiempo
Los pronósticos de series de tiempo se encuentran entre los más utilizados por los paquetes de pronóstico vinculados con la proyección de demanda de productos.
Todos ellos parten, básicamente, de un supuesto común: que la demanda pasada sigue cierto patrón, y que si este patrón puede ser analizado podrá utilizarse para desarrollar proyecciones para la demanda futura, suponiendo que el patrón continúa aproximadamente de la misma forma.
28 Por último, esto implica el supuesto de que la única variable real independiente en el pronóstico de series de tiempo es, precisamente, el tiempo.
Dado que se basan en información interna (ventas), en ocasiones se les denomina pronósticos intrínsecos. Los pronósticos de series de tiempo también son los más utilizados por los responsables de operaciones cuando se encuentran con la necesidad de hacer proyecciones para realizar planes de producción razonables.
El motivo es simple: las otras dos principales categorías de pronósticos (cualitativos y causales) requieren cierto conocimiento del mercado y/o ambiente externo. Tal conocimiento rara vez está a la mano de un responsable de operaciones, quien típicamente tiene puesta su atención sólo en los procesos internos. Sin embargo, la demanda previa casi siempre tiene franca disponibilidad para este responsable de operaciones (Chapman, 2006).
Para Sipper y Bulfin (1998), los pronósticos proporcionan información para tomar mejores decisiones. El primer paso es identificar la decisión. Si la decisión no se afecta por el pronóstico, el pronóstico es innecesario. Los pronósticos de ventas, calidad de materiales, ingresos, gastos, uso de energía o los tiempos de llegada de los clientes son una necesidad común en las empresas. La clave para entender los problemas de pronósticos es comprender el proceso; por ejemplo, el proceso que crea la demanda de un artículo. Nunca se puede comprender por completo el proceso, por lo que sólo se puede esperar conocerlo cada vez mejor y hacer las suposiciones necesarias para crear los pronósticos. Para hacer esto, se examinan las características del problema y se analizan los datos, si existen. Las principales características de un problema de pronósticos son el marco de tiempo, el nivel de detalle, la exactitud necesaria y el número de aspectos a pronosticar.
Se dan ejemplos de éstas según el marco de tiempo. En los sistemas de producción, casi siempre es de interés el pronóstico de la demanda para el producto o servicio con el fin de decidir cuánto producir. Las decisiones a largo
29 plazo —como abrir nuevas plantas o aumentar la capacidad de las existentes—, con frecuencia dependen de un pronóstico de demanda.
Examinar los datos, cuando se tienen, puede proporcionar una gran visión.
Los datos pueden venir de los registros de la empresa o de fuentes comerciales o gubernamentales. Los registros de la compañía incluyen información sobre compras y ventas. Los servicios comerciales tienen acceso a bases de datos e investigaciones y pueden proporcionar datos originales o informes sobre temas específicos; No obstante, se debe estar seguro de que los datos reflejan la situación real. Si no existen datos, se deben recolectar o se puede usar un enfoque de pronósticos que no los requiera. Si no se dispone de datos o recolectarlos es demasiado costoso, se elige un enfoque cualitativo. En la figura 3, podemos visualizar el proceso de un sistema de pronósticos, desde la necesidad del pronóstico, hasta la elección y validación del modelo.
Figura 3. Diseño de un sistema de pronósticos. Fuente: Elaboración propia, tomado de Sipper y Bulfin, 1998.
